申请/专利权人：拓世科技集团有限公司;江西拓世智能科技股份有限公司

申请日：2023-12-22

公开（公告）日：2024-03-29

公开（公告）号：CN117456611B

主分类号：G06V40/20

分类号：G06V40/20;G06V10/44;G06V10/80;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明提供了一种基于人工智能的虚拟人物训练方法及系统，该方法包括：当获取到目标人物图像时，在预设空间坐标系中创建出与目标人物图像适配的初始人物模型，并实时检测出初始人物模型中的各个肢体分别对应的空间坐标；检测出与初始人物模型对应的应用场景，并根据应用场景在预设姿态数据库中提取出与初始人物模型适配的若干目标姿态特征；对若干目标姿态特征以及空间坐标进行融合处理，以生成若干对应的姿态向量，并根据若干姿态向量计算出对应的肢体运动轨迹；基于肢体运动轨迹对初始人物模型进行迭代肢体训练，以生成对应的目标人物模型。本发明能够训练出动作流畅的虚拟人物模型，对应提升了用户的使用体验。

主权项：1.一种基于人工智能的虚拟人物训练方法，其特征在于，所述方法包括：当获取到目标人物图像时，在预设空间坐标系中创建出与所述目标人物图像适配的初始人物模型，并实时检测出所述初始人物模型中的各个肢体分别对应的空间坐标；检测出与所述初始人物模型对应的应用场景，并根据所述应用场景在预设姿态数据库中提取出与所述初始人物模型适配的若干目标姿态特征；对若干所述目标姿态特征以及所述空间坐标进行融合处理，以生成若干对应的姿态向量，并根据若干所述姿态向量计算出对应的肢体运动轨迹；基于所述肢体运动轨迹对所述初始人物模型进行迭代肢体训练，以生成对应的目标人物模型；所述对若干所述目标姿态特征以及所述空间坐标进行融合处理，以生成若干对应的姿态向量的步骤包括：通过预设DTW算法对每一所述目标姿态特征进行序列化处理，以生成若干对应的姿态特征序列，每一所述姿态特征序列均具有唯一性；当获取到每一所述肢体分别对应的空间坐标时，对所述空间坐标进行量化处理，以分别生成若干对应的空间向量；对若干所述姿态特征序列以及若干所述空间向量进行融合处理，以对应生成若干所述姿态向量；所述对若干所述姿态特征序列以及若干所述空间向量进行融合处理，以对应生成若干所述姿态向量的步骤包括：逐一提取出每一所述姿态特征序列中分别包含的若干姿态特征因子，并对应提取出所述空间向量中包含的向量因子；对每一所述姿态特征因子添加第一标识、对每一所述向量因子添加第二标识，并根据所述第一标识和所述第二标识构建出每一所述姿态特征因子与每一所述向量因子之间的映射关系；基于所述映射关系将若干所述姿态特征因子以及若干所述向量因子融合成对应的姿态矩阵，并基于预设算法对所述姿态矩阵进行解析处理，以对应解析出若干所述姿态向量；所述预设算法的表达式为： 其中，Yi表示所述姿态向量，a0表示解析常数，m表示数量，aj表示所述姿态特征因子，xi，j表示所述向量因子；所述根据若干所述姿态向量计算出对应的肢体运动轨迹的步骤包括：当获取到若干所述姿态向量时，将每一所述姿态向量分别转换成对应的姿态坐标，并在所述预设空间坐标系中对应标记出每一所述姿态坐标；逐一连接每一所述姿态坐标，以绘制出对应的姿态曲线，并对所述姿态曲线进行预处理，以对应生成所述肢体运动轨迹；所述基于所述肢体运动轨迹对所述初始人物模型进行迭代肢体训练，以生成对应的目标人物模型的步骤包括：当获取到所述肢体运动轨迹时，逐一检测出每一所述肢体的重心，并对应检测出所述肢体运动轨迹包含的起始点以及终止点；将所述重心调整至所述起始点处，并分别检测出与所述起始点对应的第一目标坐标、与所述终止点对应的第二目标坐标；控制每一所述肢体的重心在所述第一目标坐标、所述第二目标坐标以及所述肢体运动轨迹的范围内进行迭代肢体训练，以生成所述目标人物模型。

全文数据：

权利要求：

百度查询： 拓世科技集团有限公司;江西拓世智能科技股份有限公司 一种基于人工智能的虚拟人物训练方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD